Audio y vídeo
Convertir texto a voz
Escribe un texto y escúchalo leído en voz alta con las voces de tu propio equipo.
Qué es y para qué sirve
Convertir texto a voz, o síntesis de voz, es lo que hace que un aparato lea en voz alta algo escrito. No es una grabación de nadie: un motor de voz descompone el texto en sonidos, decide dónde va el acento y qué entonación lleva cada frase, y produce la señal de audio. Es la tecnología que hay detrás de los lectores de pantalla, de los avisos de una estación y de los asistentes del móvil, y lleva instalada en tu ordenador y en tu teléfono desde hace años sin que casi nadie lo sepa.
Esta herramienta es la puerta a ese motor que ya tienes. Los navegadores modernos exponen las voces del sistema operativo a las páginas web, así que aquí no hace falta ninguna cuenta, ninguna clave de API ni ningún crédito: se pega el texto, se elige una voz de las que hay instaladas en tu equipo y se escucha. Puedes cambiar la velocidad y el tono mientras suena, seguir la lectura resaltada palabra a palabra y saltar de una frase a otra pulsando encima.
Conviene saber lo que es y lo que no. Estas voces son las del sistema, no las de un modelo de inteligencia artificial de los que clonan a una persona: se entienden perfectamente y sirven para escuchar un texto, revisar lo que has escrito o estudiar, pero no suenan como una locución profesional. A cambio, la mayoría funcionan sin conexión, sin límite de caracteres, sin marcas de agua y sin que el texto salga de tu equipo. En la lista se indica cuáles de tus voces se generan en tu dispositivo y cuáles las sintetiza un servidor, porque no todas hacen lo mismo.
Casos de uso
- Escuchar un artículo largo, unos apuntes o un informe mientras haces otra cosa.
- Revisar un texto que has escrito: leído en voz alta se oyen las frases que no funcionan y las palabras repetidas.
- Estudiar un temario oyéndolo, que para mucha gente fija más que releerlo.
- Preparar un dictado para clase con la pausa entre frases ajustada.
- Escuchar la pronunciación de un texto en otro idioma con una voz nativa de ese idioma.
- Sacar la locución de un vídeo casero o de una presentación sin tener que grabarse.
- Ayudar a leer a quien tiene dislexia o poca vista, con el resaltado siguiendo la lectura.
- Comprobar cómo suena un nombre de marca o un eslogan dicho en alto.
- Convertir un correo o un mensaje largo en algo que se pueda oír en el coche.
Cómo se usa
- Escribe o pega el texto, o suelta encima un archivo .txt.
- Elige el idioma y la voz. El botón «Probar» te la deja oír antes.
- Ajusta la velocidad y el tono a tu gusto y pulsa «Leer en voz alta».
- Pulsa cualquier frase del texto para empezar a leer desde ahí.
- Si necesitas el audio en un archivo, usa la sección de descarga y sigue los tres pasos que explica.
Qué incluye Convertir texto a voz
- Todas las voces que tenga instaladas tu sistema, agrupadas por idioma y con su código de región.
- Se indica de cada voz si suena en tu dispositivo o si la sintetiza un servidor, y se puede filtrar para usar solo las primeras.
- Velocidad de 0,5× a 2×, tono, volumen y pausa ajustable entre frases.
- Resaltado de la frase que suena y, cuando la voz lo permite, de la palabra exacta.
- Pulsar una frase para leer desde ahí, saltar a la anterior o a la siguiente, pausar y continuar.
- Textos largos sin límite: se trocean en frases para esquivar el corte a los quince segundos de Chrome.
- Cuenta de caracteres, palabras y frases, con la duración estimada del audio.
- Grabación del audio con el sonido del sistema, entregado en WAV con el silencio recortado y el volumen normalizado.
- Apertura de archivos .txt arrastrándolos y atajos de teclado para manejarlo sin ratón.
- La voz y los ajustes se recuerdan para la próxima vez; el texto no se guarda nunca.
Preguntas frecuentes
- ¿Por qué no puedo descargar el audio con un solo botón?
- Porque la API de síntesis de voz de los navegadores no devuelve audio: solo lo reproduce. El navegador le pasa el texto al motor de voz del sistema y ese motor escribe directamente en la salida de sonido, sin pasar por la página. No hay ninguna función que dé ese sonido como archivo, ni ningún rodeo con Web Audio que lo consiga. La única forma real de guardarlo es grabar la salida de sonido del equipo mientras suena, que es lo que ofrece la sección de descarga, y para eso hace falta tu permiso explícito.
- ¿La grabación funciona en mi navegador?
- Depende. Chrome y Edge en Windows y en ChromeOS permiten compartir el audio del sistema y ahí funciona. En macOS el navegador no puede compartir el sonido del sistema por sí solo. Firefox comparte pantalla pero no su sonido, y Safari no lo permite. En móviles y tabletas tampoco. La herramienta te lo dice antes de que lo intentes, y además tienes un medidor de nivel durante la grabación para no descubrir al final que el archivo salió mudo.
- ¿Por qué me salen unas voces y a otra persona le salen otras?
- Porque la lista no la pone esta web: sale de tu sistema operativo y de tu navegador. Windows trae unas voces de serie y deja instalar más desde Configuración, macOS y iOS traen las suyas, Android depende del motor de voz que tenga y en Linux hace falta instalar uno como espeak-ng. Chrome añade además voces propias que no están en el sistema. Por eso la misma página suena distinta en cada equipo.
- ¿Qué diferencia hay entre una voz «en tu dispositivo» y una «en un servidor»?
- Las primeras las genera el motor de voz instalado en tu equipo: funcionan sin conexión y el texto no sale de ahí. Las segundas, como las voces «Google» de Chrome o las «Natural» de Edge, mandan el texto al servidor de su fabricante, que devuelve el audio. Suenan bastante mejor, pero el texto viaja. Aquí cada voz lleva su etiqueta y hay una casilla para dejar fuera las de servidor.
- ¿Hay límite de caracteres?
- No lo pone la herramienta. Sí hay dos límites del navegador que se sortean troceando el texto: Chrome corta una lectura que dure más de quince segundos, y por encima de unos treinta mil caracteres en una sola locución no dice nada. Como aquí el texto se parte en frases y cada frase se manda por separado, un texto de cualquier tamaño se lee entero. Lo único que hace falta es dejar la pestaña abierta.
- ¿Se envía mi texto a algún sitio?
- Con una voz de las que suenan en tu dispositivo, no: no hay servidor detrás de esta web y el texto no sale de tu navegador. Con una voz de servidor, el navegador se lo manda al fabricante de esa voz (Google, Microsoft o Apple) para que devuelva el audio; eso lo hace el navegador por su cuenta, no esta página, y por eso está señalado en la lista.
- ¿Suena como las voces de inteligencia artificial que se ven por ahí?
- No, y conviene decirlo claro. Los servicios de voz neuronal de pago clonan timbres y hacen entonaciones que estas voces no alcanzan. Las voces del sistema son las de los lectores de pantalla: claras, correctas y muy útiles para escuchar un texto, pero se nota que son sintéticas. A cambio son gratis, sin límite, sin registro y muchas funcionan sin conexión. Las voces marcadas como «mejoradas» de Edge o macOS son las que más se acercan.
- ¿Funciona sin conexión?
- Con las voces que suenan en tu dispositivo, sí: una vez cargada la página puedes desconectarte y seguir. Con las voces de servidor no, porque cada frase necesita ir y volver.
- ¿Puedo cambiar la entonación o marcar cómo se pronuncia una palabra?
- No con la precisión de un SSML, que es el lenguaje con el que se marcan pausas y énfasis y que los navegadores no aceptan de forma fiable. Lo que sí funciona es la puntuación: los puntos, las comas y los signos de interrogación cambian de verdad la entonación y las pausas de casi todas las voces. Escribir bien la puntuación es la mejor forma de que suene bien.
- ¿Por qué al continuar después de pausar algunas veces repite la frase?
- Porque no todos los navegadores saben pausar de verdad la síntesis; Chrome en Android, por ejemplo, ignora la orden. Cuando se detecta que ha pasado eso, la lectura se para y al continuar se retoma desde el principio de la frase, que es lo más cerca que se puede quedar: el motor no dice por qué palabra iba.
- ¿Se guarda lo que escribo?
- No. Se recuerdan la voz elegida y los ajustes de velocidad, tono, volumen y pausa, para no tener que ponerlos cada vez, y eso vive solo en el almacenamiento de tu navegador. El texto no se guarda en ninguna parte y desaparece al cerrar la pestaña.
- ¿En qué formato sale el audio grabado?
- En WAV mono de 16 bits, con el silencio de los extremos recortado y el volumen normalizado, que es lo que abre cualquier programa sin convertir nada. También puedes descargarte la grabación tal y como salió del navegador, normalmente un WebM con Opus, si prefieres un archivo más pequeño y sin retocar.
Privacidad
Esta herramienta funciona en tu navegador, pero hay un matiz que depende de la voz que elijas y que conviene tener claro.
Las voces marcadas «en tu dispositivo» las genera el motor de voz de tu sistema operativo. Con una de ellas no hay ninguna conexión: el texto no sale de tu equipo, esta web no tiene servidor al que mandarlo y todo sigue funcionando sin internet.
Las voces marcadas «en un servidor» son otra cosa. Son las que Chrome llama «Google» y las «Online (Natural)» de Edge: no están instaladas en tu equipo, y para sonar el navegador manda el texto al servidor de su fabricante y recibe el audio de vuelta. Eso lo hace el propio navegador, no esta página, y ocurriría igual en cualquier web que use la síntesis de voz. Suenan mejor, y ese es el precio. Por eso cada voz lleva su etiqueta y hay una casilla para usar solo las locales.
De la grabación: para poder guardar el audio hay que capturar el sonido del equipo, y para eso el navegador pide permiso y obliga a elegir qué se comparte. De esa captura se coge únicamente la pista de sonido; la imagen de la pantalla no se graba, no se mira y no se guarda. El archivo se monta entero en tu navegador y se descarga desde ahí: no se sube a ningún sitio.
Se recuerdan en tu navegador la voz elegida y los ajustes de velocidad, tono, volumen y pausa. El texto que escribes no se guarda nunca, ni en el navegador ni en ningún otro sitio.